首页
学习
活动
专区
工具
TVP
发布

深度学习与python

公众号[深度学习与Python]文章同步更新
专栏作者
3760
文章
2361216
阅读量
44
订阅数
我终于逃离了 Node
作者 | Anthony Accomazzo 译者 | 王强 策划 | 蔡芳芳 本文最初发布于 acco.io 网站,经原作者授权由 InfoQ 中文站翻译并分享。 我在 2013 年编写了自己的第一个 Node 程序。(它是用 CoffeeScript 写的。) 那个时候,Node 的优势主要体现在三个方面: 第一个是“无处不在的 JavaScript”。这句话一开始的意思是“前端使用 JavaScript,后端也使用 JavaScript”,我一直觉得这个理由没那么强势。(后来它演变成了“强大就是正义”
深度学习与Python
2023-04-01
4840
想搞定算法,看这个就够了 | 极客时间
你好,我是王健伟。拥有二十多年软件开发经验,今天想和大家聊聊学习数据结构与算法(C++ 版)的那点事。 工作中我们经常听到一些高大上的词汇,比如架构、微服务、大数据、云计算等等,却往往忽略了作为一个软件开发人员最基础的编程能力。 所以你经常会看到一些工作了 3-5 年的 C++ 开发工程师,乱写、乱抄、或者乱改代码,程序执行效率极其低下甚至崩溃;就算不是你写的,接手这样的代码,也一定是件让人抓狂的事。甚至你还会发现,每到跳槽涨薪求职季,刷了不少题,但是面对面试官的提问和新的题目,总是没有思路...... 说
深度学习与Python
2023-03-29
4460
数据库隔离级别及MVCC
数据库在同时处理多个事务时需要决定事务之间能否看到对方的修改,能看到多少等等。根据隔离的严格程度,从严到松可以分为 Serializable, Repeatable reads, Read committed, Read uncommitted。我们用下面这个 KV 存储的例子来解释这四个隔离级别。KV 存储的初始状态如下:
深度学习与Python
2023-02-10
3470
Ballerina:面向数据编程
在我过去十年开发的信息系统中,数据在前端应用程序、后端服务器和服务等程序之间流动。这些程序使用诸如 JSON 之类的交换格式进行网络通信。
深度学习与Python
2022-06-13
6290
我对 Twitter 前 10 行源代码的理解
过去几周,我一直在为我的家具租赁公司 Pabio 招聘一名高级全栈 JavaScript 工程师。由于是一个远程团队,面试是在 Zoom 上进行的。根据我的观察,部分开发人员不擅长现场编码或白板面试,即使他们对这项工作很在行。所以取而代之,我们会进行一小时的技术讨论,我会问他们关于 Web Vitals、可访问性、浏览器战争以及其他类似 Web 话题的问题。我很喜欢问的一个问题是:“解释一下 Twitter 源代码的前十几行”。
深度学习与Python
2022-06-11
9870
未来几年,图计算或许是一条很好的赛道
在互联网时代,图数据越来越多地呈现出海量和动态等特性,静态图计算的模型和方法难以应对数据处理的需求。而流式图计算能基于实时变化的数据,流式地构建动态图数据关系,并基于动态变化的图数据之上实时地进行分析、计算和挖掘,是图计算主流技术分支。 InfoQ 作为技术媒体对技术趋势保持着格外的关注,本次我们采访了蚂蚁流式图计算团队负责人潘臻轩。流式图计算是蚂蚁大规模图计算系统 TuGraph 的重要组成部分,可以有效地挖掘数据关系变化的趋势和异动,承担着重要的近线异步图计算等功能。潘臻轩为我们分享了蚂蚁流式图计算的应用经验,以及图计算在未来的发展趋势。
深度学习与Python
2022-06-11
6050
开源还有真假?Neo4j 起诉3家公司虚假宣传开源胜诉
去年,Neo4j 和 Graph Foundation 签订了保密和解协议(https://regmedia.co.uk/2022/03/17/neo4j.pdf),Graph Foundation 同意不再宣称其 ONgDB 是 Neo4j EE(Neo4j 企业版)的“100% 免费和开源版本”。近期,法院也对 Neo4j 起诉的另外两家企业——PureThink 和 iGov,做出了类似的裁决。
深度学习与Python
2022-04-19
3020
东南亚“美团” Grab 的搜索索引优化之法
Grab 是一家总部位于新加坡的东南亚网约车和送餐平台公司,业务遍及东南亚大部分地区,为 8 个国家的 350 多座城市的 1.87 亿多用户提供服务。Grab 当前提供包括网约车、送餐、酒店预订、网上银行、移动支付和保险服务。是东南亚的“美团”。Grab Engineering 分享了他们对搜索索引进行优化的方法与心得,InfoQ 中文站翻译并分享。
深度学习与Python
2021-12-01
9500
石墨文档基于 Kubernetes 的微服务实践
在 2014 年 6 月 Google 开源了 Kubernetes 后,经过这几年的发展,已逐渐成为容器编排领域的事实标准, 可以称之为云原生时代的操作系统,它使得基础设施维护变得异常简单。在云原生时代,微服务依赖于 Kubernetes 的优势在哪,微服务的生命周期基于 Kubernetes 该如何实践呢?本文整理自石墨文档架构负责人彭友顺在 Gopher China Meetup 西安站的主题演讲《石墨文档基于 Kubernetes 的 Go 微服务实践(上篇)》。下篇会在近期整理出来,敬请期待。
深度学习与Python
2021-10-13
4090
从JavaScript迁移到TypeScript,类型声明文件自动生成与中心化管理的实践
为了解决从 JavaScript 逐步迁移到 TypeScript 过程中遇到的痛点,FreeWheel 核心业务团队评估并提出了一套由 Protobuf 文件自动化生成 TypeScript 类型声明文件的流程,支持 Protobuf 文件的变化触发类型声明文件的自动更新。所有的 TypeScript 类型声明文件以微服务为单位储存,集中维护在公司级别的 TypeScript 中心化仓库里。
深度学习与Python
2021-09-22
1.3K0
深入浅出Spark:存储系统
专题介绍:2009 年,Spark 诞生于加州大学伯克利分校的 AMP 实验室(the Algorithms, Machines and People lab),并于 2010 年开源。2013 年,Spark 捐献给阿帕奇软件基金会(Apache Software Foundation),并于 2014 年成为 Apache 顶级项目。如今,十年光景已过,Spark 成为了大大小小企业与研究机构的常用工具之一,依旧深受不少开发人员的喜爱。如果你是初入江湖且希望了解、学习 Spark 的“小虾米”,那么 InfoQ 与 FreeWheel 技术专家吴磊合作的专题系列文章——《深入浅出 Spark:原理详解与开发实践》一定适合你!本文系专题系列第四篇。
深度学习与Python
2021-01-06
8070
GraphQL是API的未来,但它并非银弹
我认为,GraphQL 将改变世界。将来,你可以使用 GraphQL 查询世界上的任何系统。我在创造这样的未来。那么我为什么要对使用 GraphQL 进行辩驳呢?我个人最讨厌的是,社区一直在宣传 GraphQL 的好处,而这些好处却非常普通,并且与 GraphQL 实际上没有任何关系。如果我们想推广采用,那么我们应该诚实,应该摘掉有色眼镜。这篇文章是对 Kyle Schrade 的文章“为什么使用 GraphQL”的回应。这并不是批评。这篇文章是一个很好的讨论基础,因为它代表了我在社区中经常听到的观点。如果你读了整篇文章,当然这会花一些时间,你就会完全理解,为什么我认为 Kyle 的文章应该改名为“为什么使用 Apollo”。
深度学习与Python
2020-12-18
2K0
为什么90%的机器学习模型从未应用于生产?
时代变幻莫测,仅仅增加客户体验流畅度和沉浸感并不能减轻企业的压力。在这种情况下,投入数十亿美元开发可以改进产品的机器学习模型就可以理解了。但有一个问题。公司不能只是把钱砸在数据科学家和机器学习工程师身上,就希望可以有奇迹发生。据 VentureBeat 报道,大约 90% 的机器学习模型从未投入生产。换句话说,数据科学家的工作只有十分之一能够真正产出对公司有用的东西。
深度学习与Python
2020-12-07
5300
十个有用的软件开发原则
我总结了一些软件开发原则。在这些原则中,大多数都是以简化系统为核心。在我看来,简单的系统会更可靠,更容易修改,而且一般更容易使用。当观念发生改变时,我希望更新它们。
深度学习与Python
2020-11-23
2970
数据湖火了,那数据仓库怎么办?
这是《未来简史》中提出的三个革命性观点。一本书短短百页,让我们看到了世界颠覆性的变化,从计算机,到互联网,再到大数据、人工智能,所有的变化都在以一种肉眼可观却又无法捕捉的状态悄然发生着,而推动变化发生的背后,则是数据价值的提升。
深度学习与Python
2020-11-05
1.8K0
蝶变:一场正在影响企业数据洞察力的图数据库变革
图数据分析能力正在成为“标配”,从技术人员到业务人员,从一线员工到管理层,图分析能力都在潜移默化中改变着企业对数据的洞察力。
深度学习与Python
2020-08-17
4220
重新思考日志:业务系统竟然是一个大数据库?
《I Heart Logs 》出版于 2014 年,是一本很短小的书。作者 Jay Kreps,是前 LinkedIn 的 Principal Staff Engineer,也是 LinkedIn 许多著名开源项目的负责人及联合作者,如 Kafka、Voldemort 等。他是现任 Confluent 的 CEO,主要工作在于围绕实时数据提供企业级服务支持。这本书算是 Jay Kreps 过去多年实践的思考结晶。本文主要是对书中的一些看法、观点的梳理,有兴趣可以阅读原著或博客。
深度学习与Python
2020-08-17
2920
2020 年,苹果的 AI 还有创新吗?
2020 年,移动设备上的机器学习将不再是什么热门的新事物。在移动应用中添加某种智能已经成为一种标准做法。
深度学习与Python
2020-08-07
1.1K0
学习算法必须要了解的数据结构
简而言之,数据结构是一个以特定形式存储数据的容器。这种“形式”允许数据结构在某些操作中更加高效。
深度学习与Python
2019-07-31
2.1K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档